DL环境下的信息资源管理及知识发现研究
| 第1章 绪论 | 第1-37页 |
| 1．1 论文写作的历史背景及意义 | 第11-13页 |
| 1．1．1 论文写作的历史背景 | 第11-12页 |
| 1．1．2 论文研究的目的及意义 | 第12-13页 |
| 1．2 国内外DL相关理论及技术发展综述 | 第13-35页 |
| 1．2．1 国外DL相关理论及技术发展综述 | 第13-20页 |
| 1．2．2 国内DL相关理论及技术发展综述 | 第20-25页 |
| 1．2．3 数据仓库及相关理论及技术 | 第25-29页 |
| 1．2．4 数据挖掘及相关理论 | 第29-35页 |
| 1．3 论文的总体结构与创新之处 | 第35-37页 |
| 1．3．1 论文总体结构 | 第35-36页 |
| 1．3．2 论文创新之处 | 第36-37页 |
| 第2章 数字图书馆信息资源分析 | 第37-45页 |
| 2．1 数字信息资源概述 | 第37-40页 |
| 2．2 数字图书馆的技术体系结构 | 第40-41页 |
| 2．3 数字图书馆信息资源的类型 | 第41页 |
| 2．4 数字图书馆信息资源的特点 | 第41-42页 |
| 2．5 数字图书馆建设面临的技术挑战 | 第42-44页 |
| 2．5 本章小结 | 第44-45页 |
| 第3章 用于DL信息资源管理的元数据方法 | 第45-57页 |
| 3．1 元数据的基础理论 | 第45-51页 |
| 3．1．1 元数据的定义 | 第45-46页 |
| 3．1．2 元数据的类型 | 第46-47页 |
| 3．1．3 元数据的结构 | 第47-48页 |
| 3．1．4 元数据的编码语言 | 第48-51页 |
| 3．2 元数据的互操作性 | 第51-55页 |
| 3．2．1 元数据之间的映射 | 第51页 |
| 3．2．2 定义一种标准描述方法 | 第51-55页 |
| 3．3 对元数据方法的评价 | 第55-56页 |
| 3．4 本章小结 | 第56-57页 |
| 第4章 典型元数据方案都柏林核心集的应用 | 第57-66页 |
| 4．1 都柏林核心集发展概况 | 第57-60页 |
| 4．2 DC的元素格式与应用 | 第60-62页 |
| 4．2．1 未限定的DC元素 | 第60-61页 |
| 4．2．2 DC描述网络信息资源的应用 | 第61-62页 |
| 4．3 DC与现行编目方法的比较 | 第62-64页 |
| 4．4 DC用于网络信息资源整序的问题讨论 | 第64-65页 |
| 4．5 本章小结 | 第65-66页 |
| 第5章 数字图书馆知识管理及数据挖掘 | 第66-88页 |
| 5．1 引言 | 第66-67页 |
| 5．2 数字图书馆信息资源管理策略 | 第67-72页 |
| 5．2．1 数字图书馆信息资源的保存策略 | 第67-68页 |
| 5．2．2 数字图书馆信息资源的管理策略 | 第68-69页 |
| 5．2．3 数字信息资源管理的技术策略 | 第69-71页 |
| 5．2．4 数字信息资源管理的安全策略 | 第71-72页 |
| 5．3 元数据在数字图书馆管理中的应用 | 第72-77页 |
| 5．3．1 数字图书馆中元数据的作用 | 第72-73页 |
| 5．3．2 元数据的收集 | 第73-75页 |
| 5．3．3 元数据的维护 | 第75-76页 |
| 5．3．4 元数据的利用 | 第76-77页 |
| 5．4 数据挖掘及在数字图书馆管理中的应用 | 第77-87页 |
| 5．4．1 数据挖掘与知识发现 | 第77-80页 |
| 5．4．2 数据挖掘算法 | 第80-81页 |
| 5．4．3 数据挖掘的应用领域及商业产品介绍 | 第81-82页 |
| 5．4．4 数据挖掘面临的挑战及发展趋势 | 第82-83页 |
| 5．4．5 数据挖掘在数字图书馆中的应用 | 第83-87页 |
| 5．5 本章小结 | 第87-88页 |
| 第6章 数字图书馆信息资源聚类算法 | 第88-107页 |
| 6．1 引言 | 第88页 |
| 6．2 文档模糊特征提取 | 第88-91页 |
| 6．2．1 确定文档模糊特征项集合 | 第88-90页 |
| 6．2．2 构造文档模糊特征向量 | 第90-91页 |
| 6．3 K均值聚类算法 | 第91-93页 |
| 6．4 基于高维特征空间的核聚类算法 | 第93-97页 |
| 6．4．1 核函数概念 | 第93-94页 |
| 6．4．2 算法原理 | 第94-95页 |
| 6．4．3 算法描述 | 第95-96页 |
| 6．4．4 实际应用分析 | 第96-97页 |
| 6．5 基于蚁群智能的文档聚类算法 | 第97-106页 |
| 6．5．1 蚁群智能及相关的聚类算法 | 第99-100页 |
| 6．5．2 基于蚁群智能的文档聚类算法 | 第100-103页 |
| 6．5．3 实际应用分析 | 第103-106页 |
| 6．6 本章小结 | 第106-107页 |
| 第7章 数字图书馆信息资源自动分类算法 | 第107-129页 |
| 7．1 引言 | 第107页 |
| 7．2 基于加权模糊推理网络的文档自动分类方法 | 第107-115页 |
| 7．2．1 加权模糊推理网络模型 | 第108-109页 |
| 7．2．2 加权模糊推理网络分类算法 | 第109-112页 |
| 7．2．3 实际应用 | 第112-115页 |
| 7．3 基于自组织特征影射网络的文档自动分类算法 | 第115-121页 |
| 7．3．1 自组织特征映射网络模型 | 第116页 |
| 7．3．2 自组织特征映射网络分类算法 | 第116-119页 |
| 7．3．3 实际应用 | 第119-121页 |
| 7．4 基于级连式支持向量机的文本自动分类算法 | 第121-128页 |
| 7．4．1 支持向量机分类原理 | 第122-125页 |
| 7．4．2 级连式支持向量机分类算法 | 第125-126页 |
| 7．4．3 实际应用 | 第126-128页 |
| 7．5 本章小结 | 第128-129页 |
| 第8章 加强数字图书馆管理的对策 | 第129-144页 |
| 8．1 引言 | 第129页 |
| 8．2 我国数字图书馆建设中存在的问题 | 第129-131页 |
| 8．3 加强数字图书馆信息资源管理对策 | 第131-136页 |
| 8．4 加强数字图书馆知识发现对策 | 第136-143页 |
| 8．4．1 知识发现过程和特点 | 第137-138页 |
| 8．4．2 知识发现在信息发现中的应用 | 第138-140页 |
| 8．4．3 知识发现在信息提供中的应用 | 第140-143页 |
| 8．5 本章小结 | 第143-144页 |
| 结论 | 第144-146页 |
| 参考文献 | 第146-161页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第161-162页 |
| 致谢 | 第162页 |
